Applying of Deep Learning Techniques for Plant Image Recognition in Natural Environment

Abstract

This paper examines a deep convolutional neural network (Deep CNN) for plant recognition in a natural environment. The primary objective is comparing 4 CNN architectures includes LeNet-5, AlexNet, GoogLeNet, and VGGNet on three plant datasets; PNE, 102 Flower, and Folio. The images in the PNE and 102 Flower dataset can be with a complicated background because it takes from a natural environment. On the other hand, the images in the Folid dataset are only leaf images that take from the laboratory environment using the white background. The comparison of deep CNN using GoogLeNet and VGGNet Architecture show that the GoogLeNet outperform while performing on the PNE and 102 Flower dataset when training time with iterations of 10,000 epochs. Consequently, the GoogLeNet also faster than the VGGNet architecture. However, the experiment showed that the VGGNet architecture outperforms the other CNN architecture on the Folio dataset and use only 1,000 epochs for training. In our experiment, we can create a model from the deep CNN using GoogleNet architecture, and this is because it showed the better result with the plant images that took from the natural environment.

งานวิจัยฉบับนี้ได้ศึกษาโครงข่ายประสาทเทียมแบบคอนโวลูชันเชิงลึกเพื่อใช้สำหรับการจำแนกพรรณไม้ที่อยู่ในสิ่งแวดล้อมทางธรรมชาติ โดยมีจุดประสงค์เพื่อเปรียบเทียบโครงข่ายประสาทเทียมแบบคอนโวลูชันจำนวน 4 โครงสร้าง ประกอบด้วย LeNet-5, AlexNet, GoogLeNet และ VGGNet ข้อมูลพรรณไม้ที่นำมาใช้ในการทดสอบมีจำนวนทั้งสิ้น 3 ชุดข้อมูล คือ PNE, 102 Flower และ Folio ทั้งนี้ชุดข้อมูล PNE และ 102 Flower เป็นรูปภาพที่อยู่ในสิ่งแวดล้อมทางธรรมชาติทำให้มีพื้นที่พื้นหลังซับซ้อน สำหรับข้อมูลชุด Folio เป็นรูปภาพใบไม้ที่ถ่ายในห้องทดลองโดยกำหนดให้พื้นหลังของภาพเป็นสีขาว จากผลการเปรียบเทียบระหว่างโครงข่ายประสาทเทียมแบบคอนโวลูชันเชิงลึกโดยใช้โครงสร้าง GoogLeNet และ VGGNet พบว่าโครงสร้างแบบ GoogLeNet มีประสิทธิภาพสูงสุดในชุดข้อมูล PNE และ 102 Flower และยังใช้เวลาในการเรียนรู้ที่เร็วกว่าเมื่อเทียบกับโครงสร้างแบบ VGGNet โดยใช้จำนวนรอบในการเรียนรู้ 10,000 รอบ แต่ทั้งนี้โครงสร้างแบบ VGGNet มีอัตราความถูกต้องสูงที่สุดในชุดข้อมูล Folio ซึ่งเป็นรูปภาพที่ถ่ายในห้องทดลองที่มีพื้นหลังเป็นสีขาว และใช้จำนวนรอบในการเรียนรู้เพียง 1,000 รอบ จึงสรุปได้ว่าหากต้องการที่จะสร้างโมเดลเพื่อนำไปใช้ในการจำแนกพรรณไม้ที่อยู่ในสิ่งแวดล้อมทางธรรมชาติควรใช้โครงสร้างแบบ GoogLeNet